You are on page 1of 10

El conocimiento al poder

Juan Jos Samper Mrquez

Cuando el pensamiento artificial supera al humano

Los sistemas expertos son programas que reproducen el proceso intelectual de un experto humano en un
campo particular, pudiendo mejorar su productividad, ahorrar tiempo y dinero, conservar sus valiosos
conocimientos y difundirlos ms fcilmente.

Antes de la aparicin del ordenador, el hombre ya se preguntaba si se le arrebatara el privilegio de


razonar y pensar. En la actualidad existe un campo dentro de la inteligencia artificial al que se le atribuye esa
facultad: el de los sistemas expertos. Estos sistemas permiten la creacin de mquinas que razonan como el
hombre, restrinjindose a un espacio de conocimientos limitado. En teora pueden razonar siguiendo los pasos
que seguira un experto humano (mdico, analista, empresario, etc.) para resolver un problema concreto. Este
tipo de modelos de conocimiento por ordenador ofrece un extenso campo de posibilidades en resolucin de
problemas y en aprendizaje. Su uso se extender ampliamente en el futuro, debido a su importante impacto
sobre los negocios y la industria.
El objetivo de este curso es ensear de forma prctica el funcionamiento y construccin de un sistema
experto. A lo largo de la serie de artculos se demostrar que los sistemas expertos son tiles y prcticos, y que,
adems, son realizables. Tambin se analizar la problemtica de la adquisicin y representacin del
conocimiento, as como los mtodos para tratar la incertidumbre. Cada mes se confeccionar una parte de un
pequeo sistema experto que el lector podr adaptar a sus necesidades.

QU ES UN SISTEMA EXPERTO?

Los sistemas expertos se pueden considerar como el primer producto verdaderamente operacional de la
inteligencia artificial. Son programas de ordenador diseados para actuar como un especialista humano en un
dominio particular o rea de conocimiento. En este sentido, pueden considerarse como intermediarios entre el
experto humano, que transmite su conocimiento al sistema, y el usuario que lo utiliza para resolver un
problema con la eficacia del especialista. El sistema experto utilizar para ello el conocimiento que tenga
almacenado y algunos mtodos de inferencia.
A la vez, el usuario puede aprender observando el comportamiento del sistema. Es decir, los sistemas
expertos se pueden considerar simultneamente como un medio de ejecucin y transmisin del conocimiento.
Lo que se intenta, de esta manera, es representar los mecanismos heursticos que intervienen en un
proceso de descubrimiento. stos mecanismos forman ese conocimiento difcil de expresar que permite que
los expertos humanos sean eficaces calculando lo menos posible. Los sistemas expertos contienen ese "saber
hacer".
La caracterstica fundamental de un sistema experto es que separa los conocimientos almacenados (base
de conocimiento) del programa que los controla (motor de inferencia). Los datos propios de un determinado
problema se almacenan en una base de datos aparte (base de hechos).
Una caracterstica adicional deseable, y a veces fundamental, es que el sistema sea capaz de justificar su
propia lnea de razonamiento de forma inteligible por el usuario.
Los sistemas expertos siguen una filosofa diferente a los programas clsicos. Esto queda reflejado en la
tabla 1, que resume las diferencias entre ambos tipos de procesamiento.

SISTEMACLSICO

SISTEMAEXPERTO

Conocimientoy
Basedeconocimiento
procesamientocombinadosen separadadelmecanismode
unprograma
procesamiento

Nocontieneerrores

Nodaexplicaciones,los
datossloseusano
escriben

Loscambiossontediosos

Elsistemasloopera
completo

Seejecutapasoapaso

Necesitainformacin
completaparaoperar

Representayusadatos

Puedecontenererrores

Unapartedelsistema
expertolaformaelmdulo
deexplicacin

Loscambiosenlasreglas
sonfciles

Elsistemapuedefuncionar
conpocasreglas

Laejecucinusa
heursticasylgica

Puedeoperarcon
informacinincompleta

Representayusa
conocimiento

Tabla 1. Comparacin entre un sistema clsico de procesamiento y un sistema


experto

LA RECIENTE HISTORIA DE LOS SISTEMAS EXPERTOS

Los sistemas expertos proceden inicialmente de la inteligencia artificial a mediados de los aos sesenta. En ese
perodo se crea que bastaban unas pocas leyes de razonamiento junto con potentes ordenadores para producir
resultados brillantes. Un intento en ese sentido fue el llevado a cabo por los investigadores Alan Newell y
Herbert Simon que desarrollaron un programa denominado GPS (General Problem Solver solucionador
general de problemas). Poda trabajar con criptoaritmtica, con las torres de Hanoi y con otros problemas
similares. Lo que no poda hacer el GPS era resolver problemas del mundo real, tales como un diagnstico
mdico.
Algunos investigadores decidieron entonces cambiar por completo el enfoque del problema
restringiendo su ambicin a un dominio especfico e intentando simular el razonamiento de un experto
humano. En vez de dedicarse a computerizar la inteligencia general, se centraron en dominios de
conocimiento muy concretos. De esta manera nacieron los sistemas expertos.
A partir de 1965, un equipo dirigido por Edward Feigenbaum, comenz a desarrollar sistemas expertos
utilizando bases de conocimiento definidas minuciosamente.
En 1967 se construye DENDRAL, que se considera como el primer sistema experto. Se utilizaba para
identificar estructuras qumicas moleculares a partir de su anlisis espectrogrfico.
Entre 1970 y 1980 se desarroll MYCIN para consulta y diagnstico de infecciones de la sangre. Este
sistema introdujo nuevas caractersticas: utilizacin de conocimiento impreciso para razonar y posibilidad de
explicar el proceso de razonamiento. Lo ms importante es que funcionaba de manera correcta, dando
conclusiones anlogas a las que un ser humano dara tras largos aos de experiencia. En MYCIN aparecen
claramente diferenciados motor de inferencia y base de conocimientos. Al separar esas dos partes, se puede considerar
el motor de inferencias aisladamente. Esto da como resultado un sistema vaco o shell (concha). As surgi
EMYCIN (MYCIN Esencial) con el que se construy SACON, utilizado para estructuras de ingeniera, PUFF
para estudiar la funcin pulmonar y GUIDON para elegir tratamientos teraputicos.

En esa poca se desarrollaron tambin: HERSAY, que intentaba identificar la palabra hablada, y
PROSPECTOR, utilizado para hallar yacimientos de minerales. De este ltimo deriv el shell KAS
(Knowledge Adquisition System).
A partir de 1980 se ponen de moda los sistemas expertos, numerosas empresas de alta tecnologa
investigan en este rea de la inteligencia artificial, desarrollando sistemas expertos para su comercializacin. Se
llega a la conclusin de que el xito de un sistema experto depende casi exclusivamente de la calidad de su base
de conocimiento. El inconveniente es que codificar la pericia de un experto humano puede resultar difcil,
largo y laborioso.
Un ejemplo de sistema experto moderno es CASHVALUE, que evala proyectos de inversin y
VATIA, que asesora acerca del impuesto sobre el valor aadido o I.V.A.

USOS DE UN SISTEMA EXPERTO

Un sistema experto es muy eficaz cuando tiene que analizar una gran cantidad de informacin, interpretndola
y proporcionando una recomendacin a partir de la misma. Un ejemplo es el anlisis financiero, donde se
estudian las oportunidades de inversin, dependiendo de los datos financieros de un cliente y de sus
propsitos.
Para detectar y reparar fallos en equipos electrnicos, se utilizan los sistemas expertos de diagnstico y
depuracin, que formulan listas de preguntas con las que obtienen los datos necesarios para llegar a una
conclusin. Entonces recomiendan las acciones adecuadas para corregir los problemas descubiertos. Este tipo
de sistemas se utilizan tambin en medicina (ej. MYCIN y PUFF), y para localizar problemas en sistemas
informticos grandes y complejos.
Los sistemas expertos son buenos para predecir resultados futuros a partir del conocimiento que tienen.
Los sistemas meteorolgicos y de inversin en bolsa son ejemplos de utilizacin en este sentido. El sistema
PROSPECTOR es de este tipo.
La planificacin es la secuencia de acciones necesaria para lograr una meta. Conseguir una buena
planificacin a largo plazo es muy difcil. Por ello, se usan sistemas expertos para gestionar proyectos de
desarrollo, planes de produccin de fbricas, estrategia militar y configuracin de complejos sistemas
informticos, entre otros.
Cuando se necesita controlar un proceso tomando decisiones como respuesta a su estado y no existe
una solucin algortmica adecuada, es necesario usar un sistema experto. Este campo comprende el supervisar
fbricas automatizadas, factoras qumicas o centrales nucleares. Estos sistemas son extraordinariamente
crticos porque normalmente tienen que trabajar a tiempo real.
El diseo requiere una enorme cantidad de conocimientos debido a que hay que tener en cuenta
muchas especificaciones y restricciones. En este caso, el sistema experto ayuda al diseador a completar el
diseo de forma competente y dentro de los lmites de costes y de tiempo. Se disean circuitos electrnicos,
circuitos integrados, tarjetas de circuito impreso, estructuras arquitectnicas, coches, piezas mecnicas, etc.
Por ltimo, un sistema experto puede evaluar el nivel de conocimientos y comprensin de un
estudiante, y ajustar el proceso de aprendizaje de acuerdo con sus necesidades.
En la tabla 2 se muestran los modelos funcionales de los sistemas expertos, junto al tipo de problema
que intentan resolver y algunos de los usos concretos a que se destinan.

CATEGORA

TIPODEPROBLEMA

Interpretacin

Deducir
situacionesa
partirdedatos
observados

Prediccin

Inferirposibles
consecuenciasa

USO

Anlisisde
imgenes,
reconocimiento
delhabla,
inversiones
financieras

Prediccin
meteorolgica,

partirdeuna
situacin

Diagnstico

Deducirfallosa
partirdesus
efectos

Diseo

Configurarobjetos
bajociertas
especificaciones

Planificacin

Desarrollarplanes
parallegaraunas
metas

Monitorizacin
osupervisin

Controlar
situacionesdonde
hayplanes
vulnerables

Depuracin

Prescribir
remediospara
funcionamientos
errneos

Reparacin

Efectuarlo
necesariopara
haceruna
correccin

Diagnstico,
depuraciny
correccindeuna
conducta

Mantenerun
sistemaporun
caminopreviamente
trazado.
Interpreta,
predicey
supervisasu
conducta

Recogerel
conocimientoy
mostrarlo

Instruccin

Control

Enseanza

previsindel
trfico,
evolucindela
Bolsa

Diagnstico
mdico,deteccin
defallosen
electrnica

Diseode
circuitos,
automviles,
edificios,etc

Programacinde
proyectose
inversiones.
Planificacin
militar

Controlde
centrales
nuclearesy
factoras
qumicas

Desarrollode
softwarey
circuitos
electrnicos

Repararsistemas
informticos,
automviles,etc

Correccinde
errores,
enseanza

Estrategia
militar,control
detrficoareo

Aprendizajede
experiencia

Tabla 2. Modelos funcionales de los sistemas expertos

SISTEMA EXPERTO, S O NO?

El acceso al conocimiento y al juicio de un experto es extremadamente valioso en muchas ocasiones


(prospecciones petrolferas, manejo de valores burstiles, diagnstico de enfermedades, etc.), sin embargo, en
la mayora de los campos de actividad existen ms problemas por resolver que expertos para resolverlos. Para
solucionar este desequilibrio es necesario utilizar un sistema experto. En general, actuar como ayudante para
los expertos humanos y como consultor cuando no se tiene otro acceso a la experiencia.
Un sistema experto, adems, mejora la productividad al resolver y decidir los problemas ms
rpidamente. Esto permite ahorrar tiempo y dinero. A veces sin esa rapidez las soluciones obtenidas seran
intiles.
Los valiosos conocimientos de un especialista se guardan y se difunden, de forma que, no se pierden
aunque desaparezca el especialista. En los sistemas expertos se guarda la esencia de los problemas que se
intenta resolver y se programa cmo aplicar los conocimientos para su resolucin. Ayudan a entender cmo se
aplican los conocimientos para resolver un problema. Esto es til porque normalmente el especialista da por
ciertos sus conocimientos y no analiza cmo los aplica.
Se pueden utilizar personas no especializadas para resolver problemas. Adems si una persona utiliza
regularmente un sistema experto aprender de el, y se aproximar a la capacidad del especialista.
Con un sistema experto se obtienen soluciones ms fiables gracias al tratamiento automtico de los
datos, y ms contrastadas, debido a que se suele tener informatizado el conocimiento de varios expertos.
Debido a la separacin entre la base de conocimiento y el mecanismo de inferencia, los sistemas
expertos tienen gran flexibilidad, lo que se traduce en una mejor modularidad, modificabilidad y legibilidad del
conocimiento.
Otra ventaja es que este tipo de sistemas pueden utilizar razonamiento aproximado para hacer
deducciones y que pueden resolver problemas sin solucin algortmica.
Los sistemas expertos tambin tienen inconvenientes. El conocimiento humano es complejo de extraer
y, a veces, es problemtico representarlo. Si un problema sobrepasa la competencia de un sistema experto, sus
prestaciones se degradan de forma notable. Adems, las estrategias de razonamiento de los motores de
inferencia suelen estar programadas procedimentalmente y se adaptan mal a las circunstancias. Estn limitados
para tratar problemas con informacin incompleta.
Un experto humano no estudia progresivamente una hiptesis, sino que decide de inmediato cuando se
enfrenta a una situacin anloga a otra ocurrida en el pasado Los sistemas expertos no utilizan este
razonamiento por analoga.
Los costes y duracin del desarrollo de un sistema experto son bastante considerables (aunque se suelen
amortizar rpidamente) y su campo de aplicacin actual es restringido y especfico.
Finalmente, hay que tener en cuenta los problemas sociales que acarrean al ser susceptibles de influir en
la estructura y nmero de empleos.

ARQUITECTURA Y FUNCIONAMIENTO DE UN SISTEMA EXPERTO

No existe una estructura de sistema experto comn. Sin embargo, la mayora de los sistemas expertos tienen
unos componentes bsicos: base de conocimientos, motor de inferencia, base de datos e interfaz con el
usuario. Muchos tienen, adems, un mdulo de explicacin y un mdulo de adquisicin del conocimiento. La
figura 1 muestra la estructura de un sistema experto ideal.

Figura 1. Estructura de un sistema experto.

La base de conocimientos contiene el conocimiento especializado extrado del experto en el dominio.


Es decir, contiene conocimiento general sobre el dominio en el que se trabaja. El mtodo ms comn para
representar el conocimiento es mediante reglas de produccin. El dominio de conocimiento representado se
divide, pues, en pequeas fracciones de conocimiento o reglas SI . . . ENTONCES . . . Cada regla constar de
una parte denominada condicin y de una parte denominada accin, y tendr la forma:

SI condicin ENTONCES accin

Como ejemplo se puede considerar la siguiente regla mdica:

SI el termmetro marca 39
Y el termmetro funciona correctamente
ENTONCES el paciente tiene fiebre

Una caracterstica muy importante es que la base de conocimientos es independiente del mecanismo de
inferencia que se utiliza para resolver los problemas. De esta forma, cuando los conocimientos almacenados se
han quedado obsoletos, o cuando se dispone de nuevos conocimientos, es relativamente fcil aadir reglas
nuevas, eliminar las antiguas o corregir errores en las existentes. No es necesario reprogramar todo el sistema
experto.
Las reglas suelen almacenarse en alguna secuencia jerrquica lgica, pero esto no es estrictamente
necesario. Se pueden tener en cualquier secuencia y el motor de inferencia las usar en el orden adecuado que
necesite para resolver un problema.

Una base de conocimientos muy ingenua, para identificar vehculos, podra ser la siguiente:

Regla 1: SI tiene 2 ruedas


Y utiliza motor
ENTONCES es una motocicleta

Regla 2: SI tiene 2 ruedas


Y es movido por el hombre
ENTONCES es una bicicleta

Regla 3: SI tiene 4 ruedas


Y utiliza motor
Y pesa menos de 3500 Kgs.
ENTONCES es un coche


Existen reglas de produccin que no pertenecen al dominio del problema. Estas reglas se llaman
metarreglas (reglas sobre otras reglas) y su funcin es indicar bajo qu condiciones deben considerarse unas
reglas en vez de otras. Un ejemplo de metaregla es:

SI hay reglas que usan materias baratas


Y hay reglas que usan materias caras
ENTONCES usar antes las primeras que las segundas

La base de datos o base de hechos es una parte de la memoria del ordenador que se utiliza para almacenar
los datos recibidos inicialmente para la resolucin de un problema. Contiene conocimiento sobre el caso
concreto en que se trabaja. Tambin se registrarn en ella las conclusiones intermedias y los datos generados
en el proceso de inferencia. Al memorizar todos los resultados intermedios, conserva el vestigio de los
razonamientos efectuados por lo tanto, se puede utilizar explicar las deducciones y el comportamiento del
sistema.

El motor de inferencias es un programa que controla el proceso de razonamiento que seguir el sistema
experto. Utilizando los datos que se le suministran, recorre la base de conocimientos para alcanzar una
solucin. La estrategia de control puede ser de encadenamiento progresivo o de encadenamiento regresivo. En el primer
caso se comienza con los hechos disponibles en la base de datos, y se buscan reglas que satisfagan esos datos,
es decir, reglas que verifiquen la parte SI. Normalmente, el sistema sigue los siguientes pasos:

1. Evaluar las condiciones de todas las reglas respecto a la base de datos, identificando el conjunto de
reglas que se pueden aplicar (aquellas que satisfacen su parte condicin)
2. Si no se puede aplicar ninguna regla, se termina sin xito en caso contrario se elige cualquiera de las
reglas aplicables y se ejecuta su parte accin (esto ltimo genera nuevos hechos que se aaden a la base de
datos)
3. Si se llega al objetivo, se ha resuelto el problema en caso contrario, se vuelve al paso 1

A este enfoque se le llama tambin guiado por datos, porque es el estado de la base de datos el que
identifica las reglas que se pueden aplicar. Cuando se utiliza este mtodo, el usuario comenzar introduciendo
datos del problema en la base de datos del sistema.
Al encadenamiento regresivo se le suele llamar guiado por objetivos, ya que, el sistema comenzar por el
objetivo (parte accin de las reglas) y operar retrocediendo para ver cmo se deduce ese objetivo partiendo de
los datos. Esto se produce directamente o a travs de conclusiones intermedias o subobjetivos. Lo que se intenta
es probar una hiptesis a partir de los hechos contenidos en la base de datos y de los obtenidos en el proceso
de inferencia.
En la mayora de los sistemas expertos se utiliza el encadenamiento regresivo. Este enfoque tiene la
ventaja de que el sistema va a considerar nicamente las reglas que interesan al problema en cuestin. El
usuario comenzar declarando una expresin E y el objetivo del sistema ser establecer la verdad de esa
expresin.
Para ello se pueden seguir los siguientes pasos:

1. Obtener las reglas relevantes, buscando la expresin E en la parte accin (stas sern las que
puedan establecer la verdad de E)
2. Si no se encuentran reglas para aplicar, entonces no se tienen datos suficientes para resolver el
problema se termina sin xito o se piden al usuario ms datos
3. Si hay reglas para aplicar, se elige una y se verifica su parte condicin C con respecto a la base
de datos.
4. Si C es verdadera en la base de datos, se establece la veracidad de la expresin E y se resuelve
el problema
5. Si C es falsa, se descarta la regla en curso y se selecciona otra regla
6. Si C es desconocida en la base de datos (es decir, no es verdadera ni falsa), se le considera
como subobjetivo y se vuelve al paso 1 (C ser ahora la expresin E)

Existen tambin enfoques mixtos en los que se combinan los mtodos guiados por datos con los guiados

por objetivos.
El interfaz de usuario permite que el usuario pueda describir el problema al sistema experto. Interpreta
sus preguntas, los comandos y la informacin ofrecida. A la inversa, formula la informacin generada por el
sistema incluyendo respuestas a las preguntas, explicaciones y justificaciones. Es decir, posibilita que la
respuesta proporcionada por el sistema sea inteligible para el interesado. Tambin puede solicitar ms
informacin si le es necesaria al sistema experto. En algunos sistemas se utilizan tcnicas de tratamiento del
lenguaje natural para mejorar la comunicacin entre el usuario y el sistema experto.
La mayora de los sistemas expertos contienen un mdulo de explicacin, diseado para aclarar al
usuario la lnea de razonamiento seguida en el proceso de inferencia. Si el usuario pregunta al sistema cmo ha
alcanzado una conclusin, ste le presentar la secuencia completa de reglas usada. Esta posibilidad de
explicacin es especialmente valiosa cuando se tiene la necesidad de tomar decisiones importantes
amparndose en el consejo del sistema experto. Adems, de esta forma, y con el tiempo suficiente, los usuarios
pueden convertirse en especialistas en la materia, al asimilar el proceso de razonamiento seguido por el
sistema. El subsistema de explicacin tambin puede usarse para depurar el sistema experto durante su
desarrollo.
El mdulo de adquisicin del conocimiento permite que se puedan aadir, eliminar o modificar
elementos de conocimiento (en la mayora de los casos reglas) en el sistema experto. Si el entorno es dinmico
es muy necesario, puesto que, el sistema funcionar correctamente slo si se mantiene actualizado su
conocimiento. El mdulo de adquisicin permite efectuar ese mantenimiento, anotando en la base de
conocimientos los cambios que se producen.

EJEMPLO DE FUNCIONAMIENTO DEL MOTOR DE INFERENCIA

Para ilustrar cmo trabajan los procedimientos de inferencia, se supondr un sistema que contiene las
siguientes reglas en la base de conocimiento:

R1: SI abrigo ENTONCES bingo


R2: SI chaqueta ENTONCES dentista
R3: SI bingo ENTONCES esposa

-Enfoque guiado por datos (o encadenamiento hacia adelante):

El problema es determinar si se da esposa sabiendo que se cumplen abrigo y chaqueta.


Lo primero que se hace es introducir en la base de datos abrigo y chaqueta:

B.D. = {abrigo, chaqueta}

El sistema identifica las reglas aplicables:

R = {R1, R2}

Selecciona R1 y la aplica. Esto genera bingo que se aade a la base de datos:

B.D. = {abrigo, chaqueta, bingo}

Como no se ha solucionado el problema, vuelve a identificar un conjunto de reglas aplicables (excepto


la ya aplicada, que no cambiara el estado de la base de datos):

R = {R2, R3}

Selecciona y aplica R2 quedando:

B.D. = {abrigo, chaqueta, bingo, dentista}

El problema todava no se ha solucionado, luego el sistema selecciona otro conjunto de reglas

aplicables:

R = {R3}

Seleccionando y aplicando R3, la base de datos queda:

B.D. = {abrigo, chaqueta, bingo, dentista, esposa}

Como esposa se encuentra en ella, se ha llegado a la solucin del problema.

-Enfoque guiado por objetivos (o encadenamiento hacia atrs):

Se quiere determinar si se cumple esposa teniendo en la base de datos abrigo y chaqueta:

B.D. = {abrigo, chaqueta}.

El conjunto de reglas aplicables en este caso ser:

R = {R3} (R3 es la nica que tiene esposa en su parte derecha).

Se selecciona R3 y se genera bingo. Como no se encuentra en la base de datos ( no es verdadero ni


falso) se le considera como subobjetivo.

El sistema intentar ahora probar bingo.


Identifica las reglas aplicables:

R = {R1}.

Aplica R1 y se obtiene abrigo que es verdadero en la base de datos. De esta forma, se prueba el
subobjetivo, y al probar ste, se prueba esposa resolviendo el problema.

UNA BASE DE CONOCIMIENTO EN C

Para concluir de manera prctica, se incluye un programa realizado en Turbo C 2.0 que permitir la creacin
de una base de conocimientos basada en reglas. El lector puede ir aadiendo los conocimientos que considere.
En el prximo nmero se entregar un motor de inferencia para poder razonar con las reglas introducidas.
El cdigo fuente se encuentra en el fichero BASE1.C. El fichero BASE1.EXE es el programa
ejecutable.

La estructura de la base de conocimientos consiste en un array de reglas:

struct regla baseco[TOTAL]

Cada regla est compuesta por una serie de condiciones (parte SI de la regla) y por una accin (parte
ENTONCES de la regla):

struct regla
{
struct condicion *lcond /* lista de condiciones */
char accion [20] /* accin */
} re

Las condiciones de una regla formarn una lista enlazada:

struct condicion

{
char cond [20]
struct condicion *otrac /* lista enlazada */
} co

El procedimiento basedereglas() lee la parte condicin y la parte accin de cada regla, guardando la
informacin en la base de conocimientos. Sigue leyendo reglas o condiciones hasta que se introduzca una lnea
en blanco pulsando INTRO.

El programa tiene un funcionamiento muy sencillo. Como ejemplo, se va introducir la siguiente regla:

SI alargado Y amarillo ENTONCES pltano

Se selecciona la opcin i en el men. Se introduce "alargado" y a continuacin "amarillo". Como no hay


ms condiciones, se pulsa INTRO. Ahora se introduce "pltano", que es la parte conclusin de la regla. El
programa solicitar otra regla. Como en este ejemplo no hay ms que una, se pulsa de nuevo INTRO para
volver al men.
El fichero FRUTAS es una pequea base de conocimiento de ejemplo. Para cargarla se debe usar la
opcin c del men. Las reglas de la base se podrn visualizar seleccionando v.